ಒಂದು ಪ್ರಗತಿಯ ಅಧ್ಯಯನವು ಅಭಿವೃದ್ಧಿಯ ಅನ್ವೇಷಣೆಯಲ್ಲಿ ಮಹತ್ವದ ಹೆಜ್ಜೆಯನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಡಿಎನ್ಎಡಿಜಿಟಲ್ ಡೇಟಾಗಾಗಿ ಆಧಾರಿತ ಶೇಖರಣಾ ವ್ಯವಸ್ಥೆ.
ಡಿಜಿಟಲ್ ಡೇಟಾ ಗ್ಯಾಜೆಟ್‌ಗಳ ಮೇಲೆ ನಮ್ಮ ಅವಲಂಬನೆಯಿಂದಾಗಿ ಇಂದು ಘಾತೀಯ ದರದಲ್ಲಿ ಬೆಳೆಯುತ್ತಿದೆ ಮತ್ತು ಇದಕ್ಕೆ ದೃಢವಾದ ದೀರ್ಘಾವಧಿಯ ಸಂಗ್ರಹಣೆಯ ಅಗತ್ಯವಿದೆ. ಪ್ರಸ್ತುತ ಡಿಜಿಟಲ್ ತಂತ್ರಜ್ಞಾನವು ಪರಿಹಾರವನ್ನು ಒದಗಿಸಲು ಸಾಧ್ಯವಾಗದ ಕಾರಣ ಡೇಟಾ ಸಂಗ್ರಹಣೆಯು ನಿಧಾನವಾಗಿ ಸವಾಲಾಗುತ್ತಿದೆ. ಒಂದು ಉದಾಹರಣೆಯೆಂದರೆ ಕಳೆದ ಎರಡು ವರ್ಷಗಳಲ್ಲಿ ಎಲ್ಲಾ ಇತಿಹಾಸಕ್ಕಿಂತ ಹೆಚ್ಚು ಡಿಜಿಟಲ್ ಡೇಟಾವನ್ನು ರಚಿಸಲಾಗಿದೆ ಕಂಪ್ಯೂಟರ್, ವಾಸ್ತವವಾಗಿ 2.5 ಕ್ವಿಂಟಿಲಿಯನ್ ಬೈಟ್ {1 ಕ್ವಿಂಟಿಲಿಯನ್ ಬೈಟ್ = 2,500,000 ಟೆರಾಬೈಟ್‌ಗಳು (ಟಿಬಿ) = 2,500,000,000 ಗಿಗಾಬೈಟ್‌ಗಳು (ಜಿಬಿ)} ಡೇಟಾವನ್ನು ಪ್ರಪಂಚದಲ್ಲಿ ಪ್ರತಿದಿನ ರಚಿಸಲಾಗುತ್ತಿದೆ. ಇದು ಸಾಮಾಜಿಕ ನೆಟ್‌ವರ್ಕಿಂಗ್ ಸೈಟ್‌ಗಳು, ಆನ್‌ಲೈನ್ ಬ್ಯಾಂಕಿಂಗ್ ವಹಿವಾಟುಗಳು, ಕಂಪನಿಗಳು ಮತ್ತು ಸಂಸ್ಥೆಯ ದಾಖಲೆಗಳು, ಉಪಗ್ರಹಗಳಿಂದ ಡೇಟಾ, ಕಣ್ಗಾವಲು, ಸಂಶೋಧನೆ, ಅಭಿವೃದ್ಧಿ ಇತ್ಯಾದಿಗಳ ಡೇಟಾವನ್ನು ಒಳಗೊಂಡಿದೆ. ಈ ಡೇಟಾವು ದೊಡ್ಡದಾಗಿದೆ ಮತ್ತು ರಚನೆಯಿಲ್ಲ. ಆದ್ದರಿಂದ, ಡೇಟಾ ಮತ್ತು ಅದರ ಘಾತೀಯ ಬೆಳವಣಿಗೆಗೆ, ವಿಶೇಷವಾಗಿ ದೃಢವಾದ ದೀರ್ಘಾವಧಿಯ ಸಂಗ್ರಹಣೆಯ ಅಗತ್ಯವಿರುವ ಸಂಸ್ಥೆಗಳು ಮತ್ತು ನಿಗಮಗಳಿಗೆ ಬೃಹತ್ ಸಂಗ್ರಹಣೆ ಅಗತ್ಯಗಳನ್ನು ನಿಭಾಯಿಸುವುದು ಈಗ ದೊಡ್ಡ ಸವಾಲಾಗಿದೆ.
ಪ್ರಸ್ತುತ ಲಭ್ಯವಿರುವ ಆಯ್ಕೆಗಳೆಂದರೆ ಹಾರ್ಡ್ ಡಿಸ್ಕ್, ಆಪ್ಟಿಕಲ್ ಡಿಸ್ಕ್‌ಗಳು (ಸಿಡಿಗಳು), ಮೆಮೊರಿ ಸ್ಟಿಕ್‌ಗಳು, ಫ್ಲ್ಯಾಷ್ ಡ್ರೈವ್‌ಗಳು ಮತ್ತು ಹೆಚ್ಚು ಸುಧಾರಿತ ಟೇಪ್ ಡ್ರೈವ್ ಅಥವಾ ಆಪ್ಟಿಕಲ್ ಬ್ಲೂರೇ ಡಿಸ್ಕ್‌ಗಳು ಸ್ಥೂಲವಾಗಿ 10 ಟೆರಾಬೈಟ್‌ಗಳ (ಟಿಬಿ) ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುತ್ತವೆ. ಇಂತಹ ಶೇಖರಣಾ ಸಾಧನಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಅನೇಕ ಅನಾನುಕೂಲಗಳನ್ನು ಹೊಂದಿವೆ. ಮೊದಲನೆಯದಾಗಿ, ಅವು ಕಡಿಮೆ-ಮಧ್ಯಮ ಶೆಲ್ಫ್ ಜೀವನವನ್ನು ಹೊಂದಿವೆ ಮತ್ತು ಅವುಗಳನ್ನು ಆದರ್ಶ ತಾಪಮಾನ ಮತ್ತು ತೇವಾಂಶದ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಹಲವು ದಶಕಗಳ ಕಾಲ ಉಳಿಯಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ ಮತ್ತು ವಿಶೇಷವಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಿದ ಭೌತಿಕ ಶೇಖರಣಾ ಸ್ಥಳಗಳ ಅಗತ್ಯವಿರುತ್ತದೆ. ಇವುಗಳೆಲ್ಲವೂ ಹೆಚ್ಚಿನ ಶಕ್ತಿಯನ್ನು ಬಳಸುತ್ತವೆ, ಬೃಹತ್ ಮತ್ತು ಅಪ್ರಾಯೋಗಿಕವಾಗಿರುತ್ತವೆ ಮತ್ತು ಸರಳವಾದ ಶರತ್ಕಾಲದಲ್ಲಿ ಹಾನಿಗೊಳಗಾಗಬಹುದು. ಅವುಗಳಲ್ಲಿ ಕೆಲವು ತುಂಬಾ ದುಬಾರಿಯಾಗಿದೆ, ಆಗಾಗ್ಗೆ ಡೇಟಾ ದೋಷದಿಂದ ಪೀಡಿತವಾಗಿವೆ ಮತ್ತು ಆದ್ದರಿಂದ ಸಾಕಷ್ಟು ದೃಢವಾಗಿರುವುದಿಲ್ಲ. ಸಂಸ್ಥೆಯಿಂದ ಸಾರ್ವತ್ರಿಕವಾಗಿ ಅಂಗೀಕರಿಸಲ್ಪಟ್ಟ ಒಂದು ಆಯ್ಕೆಯನ್ನು ಕ್ಲೌಡ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ - ಕಂಪನಿಯು ಮೂಲಭೂತವಾಗಿ ಅದರ ಎಲ್ಲಾ ಐಟಿ ಮತ್ತು ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಅಗತ್ಯತೆಗಳನ್ನು ನಿರ್ವಹಿಸಲು "ಹೊರಗಿನ" ಸರ್ವರ್ ಅನ್ನು ನೇಮಿಸಿಕೊಳ್ಳುವ ವ್ಯವಸ್ಥೆ, ಇದನ್ನು "ಕ್ಲೌಡ್" ಎಂದು ಉಲ್ಲೇಖಿಸಲಾಗುತ್ತದೆ. ಕ್ಲೌಡ್ ಕಂಪ್ಯೂಟಿಂಗ್‌ನ ಪ್ರಾಥಮಿಕ ಅನನುಕೂಲವೆಂದರೆ ಭದ್ರತೆ ಮತ್ತು ಗೌಪ್ಯತೆ ಸಮಸ್ಯೆಗಳು ಮತ್ತು ಹ್ಯಾಕರ್‌ಗಳ ದಾಳಿಗೆ ದುರ್ಬಲತೆ. ಒಳಗೊಂಡಿರುವ ಹೆಚ್ಚಿನ ವೆಚ್ಚಗಳು, ಪೋಷಕ ಸಂಸ್ಥೆಯಿಂದ ಸೀಮಿತ ನಿಯಂತ್ರಣ ಮತ್ತು ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಅವಲಂಬನೆಯಂತಹ ಇತರ ಸಮಸ್ಯೆಗಳೂ ಇವೆ. ಕ್ಲೌಡ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಇನ್ನೂ ದೀರ್ಘಾವಧಿಯ ಸಂಗ್ರಹಣೆಗೆ ಉತ್ತಮ ಪರ್ಯಾಯವಾಗಿದೆ. ಆದಾಗ್ಯೂ, ವಿಶ್ವಾದ್ಯಂತ ಉತ್ಪತ್ತಿಯಾಗುತ್ತಿರುವ ಡಿಜಿಟಲ್ ಮಾಹಿತಿಯು ಅದನ್ನು ಸಂಗ್ರಹಿಸುವ ನಮ್ಮ ಸಾಮರ್ಥ್ಯವನ್ನು ಖಂಡಿತವಾಗಿಯೂ ಹಿಂದಿಕ್ಕಿದಂತೆ ತೋರುತ್ತಿದೆ ಮತ್ತು ಭವಿಷ್ಯದ ಶೇಖರಣಾ ಅಗತ್ಯಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಲು ಸ್ಕೇಲೆಬಿಲಿಟಿಯನ್ನು ಒದಗಿಸುವಾಗ ಈ ಡೇಟಾ ಪ್ರವಾಹವನ್ನು ಪೂರೈಸಲು ಇನ್ನೂ ಹೆಚ್ಚು ದೃಢವಾದ ಪರಿಹಾರಗಳು ಅಗತ್ಯವಿದೆ.
ಕಂಪ್ಯೂಟರ್ ಸಂಗ್ರಹಣೆಯಲ್ಲಿ DNA ಸಹಾಯ ಮಾಡಬಹುದೇ?
ನಮ್ಮ ಡಿಎನ್ಎ (Deoxyribonucleic ಆಮ್ಲ) ಡಿಜಿಟಲ್ ಡೇಟಾ ಸಂಗ್ರಹಣೆಗೆ ಒಂದು ಉತ್ತೇಜಕ ಪರ್ಯಾಯ ಮಾಧ್ಯಮವೆಂದು ಪರಿಗಣಿಸಲಾಗಿದೆ. ಡಿಎನ್ಎ ಬಹುತೇಕ ಎಲ್ಲಾ ಜೀವಿಗಳಲ್ಲಿ ಸ್ವಯಂ-ನಕಲಿಸುವ ವಸ್ತುವಾಗಿದೆ ಮತ್ತು ಇದು ನಮ್ಮ ಆನುವಂಶಿಕ ಮಾಹಿತಿಯನ್ನು ರೂಪಿಸುತ್ತದೆ. ಕೃತಕ ಅಥವಾ ಸಂಶ್ಲೇಷಿತ ಡಿಎನ್ಎ ವಾಣಿಜ್ಯಿಕವಾಗಿ ಲಭ್ಯವಿರುವ ಆಲಿಗೋನ್ಯೂಕ್ಲಿಯೋಟೈಡ್ ಸಂಶ್ಲೇಷಣೆ ಯಂತ್ರಗಳನ್ನು ಬಳಸಿಕೊಂಡು ತಯಾರಿಸಬಹುದಾದ ಬಾಳಿಕೆ ಬರುವ ವಸ್ತುವಾಗಿದೆ. DNA ಯ ಪ್ರಾಥಮಿಕ ಪ್ರಯೋಜನವೆಂದರೆ ಅದರ ದೀರ್ಘಾಯುಷ್ಯ a ಡಿಎನ್ಎ ಸಿಲಿಕಾನ್ (ಸಿಲಿಕಾನ್-ಚಿಪ್ - ಕಟ್ಟಡಕ್ಕೆ ಬಳಸುವ ವಸ್ತು) ಗಿಂತ 1000 ಪಟ್ಟು ಹೆಚ್ಚು ಇರುತ್ತದೆ ಕಂಪ್ಯೂಟರ್) ಆಶ್ಚರ್ಯಕರವಾಗಿ, ಕೇವಲ ಒಂದು ಘನ ಮಿಲಿಮೀಟರ್ ಡಿಎನ್ಎ ಕ್ವಿಂಟಿಲಿಯನ್ ಬೈಟ್‌ಗಳ ಡೇಟಾವನ್ನು ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳಬಹುದು! ಡಿಎನ್ಎ ಇದು ಒಂದು ಅಲ್ಟ್ರಾಕಾಂಪ್ಯಾಕ್ಟ್ ವಸ್ತುವಾಗಿದ್ದು ಅದು ಎಂದಿಗೂ ಕ್ಷೀಣಿಸುವುದಿಲ್ಲ ಮತ್ತು ನೂರಾರು ಶತಮಾನಗಳವರೆಗೆ ತಂಪಾದ, ಶುಷ್ಕ ಸ್ಥಳದಲ್ಲಿ ಸಂಗ್ರಹಿಸಬಹುದು. ಡಿಎನ್‌ಎಯನ್ನು ಶೇಖರಣೆಗಾಗಿ ಬಳಸುವ ಕಲ್ಪನೆಯು 1994 ರಿಂದ ಬಹಳ ಹಿಂದಿನಿಂದಲೂ ಇದೆ. ಮುಖ್ಯ ಕಾರಣವೆಂದರೆ ಕಂಪ್ಯೂಟರ್‌ನಲ್ಲಿ ಮತ್ತು ನಮ್ಮಲ್ಲಿ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸುವ ಇದೇ ರೀತಿಯ ಶೈಲಿಯಾಗಿದೆ. ಡಿಎನ್ಎ - ಎರಡೂ ಮಾಹಿತಿಯ ನೀಲನಕ್ಷೆಗಳನ್ನು ಸಂಗ್ರಹಿಸುವುದರಿಂದ. ಕಂಪ್ಯೂಟರ್ ಎಲ್ಲಾ ಡೇಟಾವನ್ನು 0 ಸೆ ಮತ್ತು 1 ಸೆ ಎಂದು ಸಂಗ್ರಹಿಸುತ್ತದೆ ಮತ್ತು ಡಿಎನ್ಎ ಜೀವಂತ ಜೀವಿಗಳ ಎಲ್ಲಾ ಡೇಟಾವನ್ನು ನಾಲ್ಕು ಬೇಸ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಸಂಗ್ರಹಿಸುತ್ತದೆ - ಥೈಮಿನ್ (ಟಿ), ಗ್ವಾನಿನ್ (ಜಿ), ಅಡೆನಿನ್ (ಎ) ಮತ್ತು ಸೈಟೋಸಿನ್ (ಸಿ). ಆದ್ದರಿಂದ, ಈ ನೆಲೆಗಳನ್ನು 0s (ಬೇಸ್‌ಗಳು A ಮತ್ತು C) ಮತ್ತು 1s (ಬೇಸ್‌ಗಳು T ಮತ್ತು G) ಎಂದು ಪ್ರತಿನಿಧಿಸಬಹುದಾದರೆ, ಡಿಎನ್ಎ ಅನ್ನು ಕಂಪ್ಯೂಟರ್‌ನಂತೆ ಪ್ರಮಾಣಿತ ಶೇಖರಣಾ ಸಾಧನ ಎಂದು ಕರೆಯಬಹುದು. ಡಿಎನ್ಎ ಕಠಿಣ ಮತ್ತು ದೀರ್ಘಕಾಲೀನವಾಗಿದೆ, ಸರಳವಾದ ಪ್ರತಿಬಿಂಬವೆಂದರೆ ನಮ್ಮ ಜೆನೆಟಿಕ್ ಕೋಡ್ - ಡಿಎನ್‌ಎಯಲ್ಲಿ ಸಂಗ್ರಹವಾಗಿರುವ ನಮ್ಮ ಎಲ್ಲಾ ಮಾಹಿತಿಯ ನೀಲನಕ್ಷೆ - ಪುನರಾವರ್ತಿತ ರೀತಿಯಲ್ಲಿ ಒಂದು ಪೀಳಿಗೆಯಿಂದ ಮುಂದಿನ ಪೀಳಿಗೆಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ರವಾನೆಯಾಗುತ್ತದೆ. ಎಲ್ಲಾ ಸಾಫ್ಟ್‌ವೇರ್ ಮತ್ತು ಹಾರ್ಡ್‌ವೇರ್ ದೈತ್ಯರು ದತ್ತಾಂಶದ ದೀರ್ಘಾವಧಿಯ ಆರ್ಕೈವಲ್ ಅನ್ನು ಪರಿಹರಿಸುವ ಗುರಿಯನ್ನು ಸಾಧಿಸಲು ಹೆಚ್ಚಿನ ಮೊತ್ತವನ್ನು ಸಂಗ್ರಹಿಸಲು ಸಿಂಥೆಟಿಕ್ ಡಿಎನ್‌ಎಯನ್ನು ಬಳಸಲು ಉತ್ಸುಕರಾಗಿದ್ದಾರೆ. ಕಂಪ್ಯೂಟರ್ ಕೋಡ್ 0s ಮತ್ತು 1s ಅನ್ನು ಮೊದಲು DNA ಕೋಡ್‌ಗೆ (A, C, T, G) ಪರಿವರ್ತಿಸುವ ಆಲೋಚನೆಯಾಗಿದೆ, ನಂತರ ಪರಿವರ್ತಿಸಲಾದ DNA ಕೋಡ್ ಅನ್ನು DNA ಯ ಸಂಶ್ಲೇಷಿತ ಎಳೆಗಳನ್ನು ಉತ್ಪಾದಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ, ನಂತರ ಅದನ್ನು ಶೀತಲ ಶೇಖರಣೆಯಲ್ಲಿ ಇರಿಸಬಹುದು. ಅಗತ್ಯವಿದ್ದಾಗ, ಡಿಎನ್ಎ ಎಳೆಗಳನ್ನು ಕೋಲ್ಡ್ ಸ್ಟೋರೇಜ್‌ನಿಂದ ತೆಗೆದುಹಾಕಬಹುದು ಮತ್ತು ಅವುಗಳ ಮಾಹಿತಿಯನ್ನು ಡಿಎನ್ಎ ಸೀಕ್ವೆನ್ಸಿಂಗ್ ಯಂತ್ರವನ್ನು ಬಳಸಿ ಡಿಕೋಡ್ ಮಾಡಬಹುದು ಮತ್ತು ಡಿಎನ್ಎ ಅನುಕ್ರಮವನ್ನು ಅಂತಿಮವಾಗಿ ಕಂಪ್ಯೂಟರ್‌ನಲ್ಲಿ ಓದಲು 1 ಸೆ ಮತ್ತು 0 ಸೆ ಬೈನರಿ ಕಂಪ್ಯೂಟರ್ ಫಾರ್ಮ್ಯಾಟ್‌ಗೆ ಅನುವಾದಿಸಲಾಗುತ್ತದೆ.
ಅದನ್ನು ತೋರಿಸಲಾಗಿದೆ1 ಡಿಎನ್‌ಎಯ ಕೆಲವೇ ಗ್ರಾಂಗಳು ಕ್ವಿಂಟಿಲಿಯನ್ ಬೈಟ್ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಬಹುದು ಮತ್ತು ಅದನ್ನು 2000 ವರ್ಷಗಳವರೆಗೆ ಹಾಗೇ ಇರಿಸಬಹುದು. ಆದಾಗ್ಯೂ, ಈ ಸರಳ ತಿಳುವಳಿಕೆಯು ಕೆಲವು ಸವಾಲುಗಳನ್ನು ಎದುರಿಸಿದೆ. ಮೊದಲನೆಯದಾಗಿ, ಇದು ಸಾಕಷ್ಟು ದುಬಾರಿಯಾಗಿದೆ ಮತ್ತು ಡಿಎನ್‌ಎಗೆ ಡೇಟಾವನ್ನು ಬರೆಯಲು ನೋವಿನಿಂದ ಕೂಡಿದೆ, ಅಂದರೆ 0 ಸೆ ಮತ್ತು 1 ಸೆಗಳನ್ನು ಡಿಎನ್ಎ ಬೇಸ್‌ಗಳಿಗೆ (ಎ, ಟಿ, ಸಿ, ಜಿ) ನಿಜವಾದ ಪರಿವರ್ತನೆ. ಎರಡನೆಯದಾಗಿ, ಒಮ್ಮೆ ದತ್ತಾಂಶವನ್ನು ಡಿಎನ್‌ಎಯಲ್ಲಿ "ಬರೆಯಲಾಗುತ್ತದೆ", ಫೈಲ್‌ಗಳನ್ನು ಹುಡುಕಲು ಮತ್ತು ಹಿಂಪಡೆಯಲು ಇದು ಸವಾಲಾಗಿದೆ ಮತ್ತು ಎಂಬ ತಂತ್ರದ ಅಗತ್ಯವಿರುತ್ತದೆ ಡಿಎನ್ಎ ಅನುಕ್ರಮ - a ಒಳಗೆ ಬೇಸ್‌ಗಳ ನಿಖರವಾದ ಕ್ರಮವನ್ನು ನಿರ್ಧರಿಸುವ ಪ್ರಕ್ರಿಯೆ ಡಿಎನ್ಎ ಅಣು - ಅದರ ನಂತರ ಡೇಟಾವನ್ನು 0 ಸೆ ಮತ್ತು 1 ಸೆಗೆ ಡಿಕೋಡ್ ಮಾಡಲಾಗುತ್ತದೆ.
ಇತ್ತೀಚಿನ ಅಧ್ಯಯನ2 ಮೈಕ್ರೋಸಾಫ್ಟ್ ರಿಸರ್ಚ್ ಮತ್ತು ವಾಷಿಂಗ್ಟನ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ವಿಜ್ಞಾನಿಗಳು ಡಿಎನ್ಎ ಸಂಗ್ರಹಣೆಯಲ್ಲಿ "ಯಾದೃಚ್ಛಿಕ ಪ್ರವೇಶ" ವನ್ನು ಸಾಧಿಸಿದ್ದಾರೆ. "ಯಾದೃಚ್ಛಿಕ ಪ್ರವೇಶ" ಅಂಶವು ಬಹಳ ಮುಖ್ಯವಾಗಿದೆ ಏಕೆಂದರೆ ಇದರರ್ಥ ಮಾಹಿತಿಯನ್ನು ಸ್ಥಳದಿಂದ ಅಥವಾ ಸ್ಥಳಕ್ಕೆ ವರ್ಗಾಯಿಸಬಹುದು (ಸಾಮಾನ್ಯವಾಗಿ ಮೆಮೊರಿ) ಇದರಲ್ಲಿ ಪ್ರತಿ ಸ್ಥಳ, ಅನುಕ್ರಮದಲ್ಲಿ ಎಲ್ಲೇ ಇರಲಿ ಮತ್ತು ನೇರವಾಗಿ ಪ್ರವೇಶಿಸಬಹುದು. ಯಾದೃಚ್ಛಿಕ ಪ್ರವೇಶದ ಈ ತಂತ್ರವನ್ನು ಬಳಸಿಕೊಂಡು, ಹಿಂದಿನದಕ್ಕೆ ಹೋಲಿಸಿದರೆ ಆಯ್ದ ರೀತಿಯಲ್ಲಿ ಡಿಎನ್ಎ ಸಂಗ್ರಹಣೆಯಿಂದ ಫೈಲ್‌ಗಳನ್ನು ಹಿಂಪಡೆಯಬಹುದು, ಅಂತಹ ಮರುಪಡೆಯುವಿಕೆಗೆ ಅಗತ್ಯವಿರುವ ಕೆಲವು ಫೈಲ್‌ಗಳನ್ನು ಹುಡುಕಲು ಮತ್ತು ಹೊರತೆಗೆಯಲು ಸಂಪೂರ್ಣ ಡಿಎನ್ಎ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಅನುಕ್ರಮ ಮತ್ತು ಡಿಕೋಡ್ ಮಾಡುವ ಅಗತ್ಯವಿದ್ದಲ್ಲಿ. ಡೇಟಾದ ಪ್ರಮಾಣವು ಹೆಚ್ಚಾದಾಗ "ಯಾದೃಚ್ಛಿಕ ಪ್ರವೇಶ" ದ ಪ್ರಾಮುಖ್ಯತೆಯು ಮತ್ತಷ್ಟು ಹೆಚ್ಚಾಗುತ್ತದೆ ಮತ್ತು ಅದು ಮಾಡಬೇಕಾದ ಅನುಕ್ರಮದ ಪ್ರಮಾಣವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಯಾದೃಚ್ಛಿಕ ಪ್ರವೇಶವನ್ನು ಇಷ್ಟು ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ ತೋರಿಸಿರುವುದು ಇದು ಮೊದಲ ಬಾರಿಗೆ. ಸಂಶೋಧಕರು ದತ್ತಾಂಶ ದೋಷಗಳಿಗೆ ಹೆಚ್ಚು ಸಹಿಷ್ಣುತೆಯೊಂದಿಗೆ ಡೇಟಾವನ್ನು ಡಿಕೋಡಿಂಗ್ ಮಾಡಲು ಮತ್ತು ಮರುಸ್ಥಾಪಿಸಲು ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ, ಇದು ಅನುಕ್ರಮ ಕಾರ್ಯವಿಧಾನವನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ. ಈ ಅಧ್ಯಯನದಲ್ಲಿ 13 ಮಿಲಿಯನ್‌ಗಿಂತಲೂ ಹೆಚ್ಚು ಸಿಂಥೆಟಿಕ್ ಡಿಎನ್ಎ ಆಲಿಗೋನ್ಯೂಕ್ಲಿಯೊಟೈಡ್‌ಗಳನ್ನು ಎನ್‌ಕೋಡ್ ಮಾಡಲಾಗಿದೆ, ಇದು 200KB ನಿಂದ 35MB ವರೆಗಿನ ಗಾತ್ರದ 29 ಫೈಲ್‌ಗಳನ್ನು (ವೀಡಿಯೋ, ಆಡಿಯೋ, ಚಿತ್ರಗಳು ಮತ್ತು ಪಠ್ಯವನ್ನು ಒಳಗೊಂಡಿರುವ) 44MB ಗಾತ್ರದ ಡೇಟಾವಾಗಿದೆ. ಈ ಫೈಲ್‌ಗಳನ್ನು ಯಾವುದೇ ದೋಷಗಳಿಲ್ಲದೆ ಪ್ರತ್ಯೇಕವಾಗಿ ಹಿಂಪಡೆಯಲಾಗಿದೆ. ಅಲ್ಲದೆ, ಲೇಖಕರು ಹೊಸ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ರೂಪಿಸಿದ್ದಾರೆ ಅದು ಹೆಚ್ಚು ದೃಢವಾದ ಮತ್ತು ಡಿಎನ್ಎ ಅನುಕ್ರಮಗಳನ್ನು ಬರೆಯುವಲ್ಲಿ ಮತ್ತು ಓದುವಲ್ಲಿ ದೋಷ ಸಹಿಷ್ಣುವಾಗಿದೆ. ನಲ್ಲಿ ಈ ಅಧ್ಯಯನವನ್ನು ಪ್ರಕಟಿಸಲಾಗಿದೆ ನೇಚರ್ ಬಯೋಟೆಕ್ನಾಲಜಿ ಡಿಎನ್ಎ ಸಂಗ್ರಹಣೆ ಮತ್ತು ಮರುಪಡೆಯುವಿಕೆಗಾಗಿ ಕಾರ್ಯಸಾಧ್ಯವಾದ, ದೊಡ್ಡ-ಪ್ರಮಾಣದ ವ್ಯವಸ್ಥೆಯನ್ನು ತೋರಿಸುವ ಪ್ರಮುಖ ಪ್ರಗತಿಯಲ್ಲಿ.
ಡಿಎನ್ಎ ಶೇಖರಣಾ ವ್ಯವಸ್ಥೆಯು ತುಂಬಾ ಆಕರ್ಷಕವಾಗಿ ಕಾಣುತ್ತದೆ ಏಕೆಂದರೆ ಇದು ಹೆಚ್ಚಿನ ಡೇಟಾ ಸಾಂದ್ರತೆ, ಹೆಚ್ಚಿನ ಸ್ಥಿರತೆ ಮತ್ತು ಸಂಗ್ರಹಿಸಲು ಸುಲಭವಾಗಿದೆ ಆದರೆ ಸಾರ್ವತ್ರಿಕವಾಗಿ ಅಳವಡಿಸಿಕೊಳ್ಳುವ ಮೊದಲು ಇದು ಅನೇಕ ಸವಾಲುಗಳನ್ನು ಹೊಂದಿದೆ. ಕೆಲವು ಅಂಶಗಳೆಂದರೆ ಸಮಯ ಮತ್ತು ಶ್ರಮ-ತೀವ್ರವಾದ DNA ಯ ಡಿಕೋಡಿಂಗ್ (ಅನುಕ್ರಮಣಿಕೆ) ಮತ್ತು ಸಂಶ್ಲೇಷಣೆ ಡಿಎನ್ಎ. ತಂತ್ರಕ್ಕೆ ಹೆಚ್ಚು ನಿಖರತೆ ಮತ್ತು ವಿಶಾಲ ವ್ಯಾಪ್ತಿಯ ಅಗತ್ಯವಿದೆ. ಈ ಪ್ರದೇಶದಲ್ಲಿ ಪ್ರಗತಿಗಳನ್ನು ಮಾಡಲಾಗಿದ್ದರೂ, ದೀರ್ಘಾವಧಿಯಲ್ಲಿ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವ ನಿಖರವಾದ ಸ್ವರೂಪ ಡಿಎನ್ಎ ಇನ್ನೂ ವಿಕಸನಗೊಳ್ಳುತ್ತಿದೆ. ಸಂಶ್ಲೇಷಿತ DNA ಉತ್ಪಾದನೆಯನ್ನು ಸುಧಾರಿಸಲು ಮತ್ತು ಸಂಪೂರ್ಣ ಕಾರ್ಯಾಚರಣೆಯನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲು ಸವಾಲುಗಳನ್ನು ಪರಿಹರಿಸಲು ಮೈಕ್ರೋಸಾಫ್ಟ್ ಪ್ರತಿಜ್ಞೆ ಮಾಡಿದೆ ಡಿಎನ್ಎ 2020 ರ ಹೊತ್ತಿಗೆ ಶೇಖರಣಾ ವ್ಯವಸ್ಥೆ.
***
{ಉದಾಹರಿಸಿದ ಮೂಲ(ಗಳ) ಪಟ್ಟಿಯಲ್ಲಿ ಕೆಳಗೆ ನೀಡಲಾದ DOI ಲಿಂಕ್ ಅನ್ನು ಕ್ಲಿಕ್ ಮಾಡುವ ಮೂಲಕ ನೀವು ಮೂಲ ಸಂಶೋಧನಾ ಪ್ರಬಂಧವನ್ನು ಓದಬಹುದು}
ಮೂಲಗಳು)
1. ಎರ್ಲಿಚ್ ವೈ ಮತ್ತು ಝಿಲಿನ್ಸ್ಕಿ ಡಿ 2017. ಡಿಎನ್ಎ ಫೌಂಟೇನ್ ದೃಢವಾದ ಮತ್ತು ಸಮರ್ಥ ಶೇಖರಣಾ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ. ವಿಜ್ಞಾನ. 355(6328) https://doi.org/10.1126/science.aaj2038
2. ಆರ್ಗಾನಿಕ್ ಎಲ್ ಮತ್ತು ಇತರರು. 2018. ದೊಡ್ಡ ಪ್ರಮಾಣದ DNA ಡೇಟಾ ಸಂಗ್ರಹಣೆಯಲ್ಲಿ ಯಾದೃಚ್ಛಿಕ ಪ್ರವೇಶ. ಪ್ರಕೃತಿ ಜೈವಿಕ ತಂತ್ರಜ್ಞಾನ. 36. https://doi.org/10.1038/nbt.4079
